Transformeurvignette|Schéma représentant l'architecture générale d'un transformeur. Un transformeur (ou modèle auto-attentif) est un modèle d'apprentissage profond introduit en 2017, utilisé principalement dans le domaine du traitement automatique des langues (TAL). Dès 2020, les transformeurs commencent aussi à trouver une application en matière de vision par ordinateur par la création des vision transformers (ViT).
Étoile variable de type Mira300px|vignette|Mira, l'étoile prototype des variables de type Mira vignette|Mira Les (étoiles) variables de type Mira sont une classe d'étoiles variables, caractérisées par des couleurs très rouges, des périodes de pulsation supérieures à 100 jours, et des amplitudes de luminosité supérieures à une magnitude. Ce sont des étoiles géantes rouges se trouvant dans les dernières étapes de leur évolution stellaire (la branche asymptotique des géantes rouges) qui finiront par expulser leur enveloppe externe en une nébuleuse planétaire et par devenir des naines blanches en quelques millions d'années.
Probabilistic context-free grammarGrammar theory to model symbol strings originated from work in computational linguistics aiming to understand the structure of natural languages. Probabilistic context free grammars (PCFGs) have been applied in probabilistic modeling of RNA structures almost 40 years after they were introduced in computational linguistics. PCFGs extend context-free grammars similar to how hidden Markov models extend regular grammars. Each production is assigned a probability.
Modèle de fondationUn modèle de fondation est un modèle d'intelligence artificielle de grande taille, entraîné sur une grande quantité de données non étiquetées (généralement par apprentissage auto-supervisé ). Le modèle résultant peut être adapté à un large éventail de tâches en aval (downstream tasks en anglais). Depuis leur introduction en 2018, les modèles de fondation ont induit une transformation majeure dans la manière de construire les systèmes d'IA. Les premiers modèles de fondation étaient de grands modèles de langage pré-entraînés, notamment BERT et GPT-3.
Géocentrismethumb|Modèle géocentrique du système solaire de Ptolémée, d'après le cosmographe et cartographe portugais Bartolomeu Velho (Bibliothèque nationale de France, Paris). Le géocentrisme est un modèle physique ancien selon lequel la Terre se trouve immobile, au centre de l'Univers. Cette théorie date de l'Antiquité et a été notamment défendue par Aristote et Ptolémée. Elle a duré jusqu’à la fin du à la Renaissance pour être progressivement remplacée par l'héliocentrisme, selon lequel la Terre tourne autour du Soleil.
Apprentissage de représentationsEn apprentissage automatique, l'apprentissage des caractéristiques ou apprentissage des représentations est un ensemble de techniques qui permet à un système de découvrir automatiquement les représentations nécessaires à la détection ou à la classification des caractéristiques à partir de données brutes. Cela remplace l'ingénierie manuelle des fonctionnalités et permet à une machine d'apprendre les fonctionnalités et de les utiliser pour effectuer une tâche spécifique.
Dependent and independent variablesDependent and independent variables are variables in mathematical modeling, statistical modeling and experimental sciences. Dependent variables are studied under the supposition or demand that they depend, by some law or rule (e.g., by a mathematical function), on the values of other variables. Independent variables, in turn, are not seen as depending on any other variable in the scope of the experiment in question. In this sense, some common independent variables are time, space, density, mass, fluid flow rate, and previous values of some observed value of interest (e.
Sea surface microlayerThe sea surface microlayer (SML) is the boundary interface between the atmosphere and ocean, covering about 70% of Earth's surface. With an operationally defined thickness between 1 and , the SML has physicochemical and biological properties that are measurably distinct from underlying waters. Recent studies now indicate that the SML covers the ocean to a significant extent, and evidence shows that it is an aggregate-enriched biofilm environment with distinct microbial communities.
Étoile variable semi-régulièrevignette|Exemple de variation de luminosité (magnitude) pour une étoile variable semi-regulière marquée par une périodicité accompagnée de divers irrégularités. Ce graphe représente la luminosité de l'étoile Bételgeuse entre le 4 décembre 1988 et le 13 août 2002. Une (étoile) variable semi-régulière est une étoile géante ou supergéante de type spectral intermédiaire ou tardif qui présente une périodicité marquée dans sa variation de luminosité, accompagnée ou parfois interrompue par diverses irrégularités.
Niveau de la merLe niveau de la mer est la position moyenne de la surface de la mer, constituant un niveau de référence considéré comme stable. D'une façon très simplifiée, c'est la ligne médiane entre une marée basse moyenne et une marée haute moyenne à un endroit côtier particulier, hors influence des vagues. La moyenne s'établit sur une échelle de temps au moins annuelle. Le niveau moyen de la mer est une référence verticale géodésique et altimétrique normalisée qui permet notamment de définir une altitude topographique, positive au-dessus (hypsométrie), négative en dessous (bathymétrie).
Apprentissage automatiqueL'apprentissage automatique (en anglais : machine learning, « apprentissage machine »), apprentissage artificiel ou apprentissage statistique est un champ d'étude de l'intelligence artificielle qui se fonde sur des approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'« apprendre » à partir de données, c'est-à-dire d'améliorer leurs performances à résoudre des tâches sans être explicitement programmés pour chacune. Plus largement, il concerne la conception, l'analyse, l'optimisation, le développement et l'implémentation de telles méthodes.
Attention (machine learning)Machine learning-based attention is a mechanism mimicking cognitive attention. It calculates "soft" weights for each word, more precisely for its embedding, in the context window. It can do it either in parallel (such as in transformers) or sequentially (such as recursive neural networks). "Soft" weights can change during each runtime, in contrast to "hard" weights, which are (pre-)trained and fine-tuned and remain frozen afterwards. Multiple attention heads are used in transformer-based large language models.
